Материал из MachineLearning.
< Участник:EvgSokolov(Различия между версиями)
|
|
| (20 промежуточных версий не показаны.) |
| Строка 1: |
Строка 1: |
| - | == fRMA (Frozen Robust Multi-Array Analysis) ==
| |
| | | | |
| - | Рассматривается следующая модель уровня экспрессии:
| |
| - |
| |
| - | ::<tex> Y_{ijkn} = \theta_{in} + \phi_{jn} + \gamma_{jkn} + \epsilon_{ijkn} </tex>
| |
| - |
| |
| - | Здесь используются следующие обозначения:
| |
| - |
| |
| - | ::<tex>k</tex> — номер партии микрочипов <tex> k \in 1, \dots, K </tex>. Говорят, что два чипа принадлежат одной партии, если эксперименты с ними были проведены в одной лаборатории в одно и то же время.
| |
| - | ::<tex>i</tex> — номер микрочипа <tex> i \in 1, \dots, I_k </tex>.
| |
| - | ::<tex>n</tex> — номер набора проб <tex> n \in 1, \dots, N </tex>. Также через <tex>n</tex> мы будем обозначать номер гена, соответствующего <tex>n</tex>-му набору проб.
| |
| - | ::<tex>j</tex> — номер пробы <tex> i \in 1, \dots, J_n </tex>.
| |
| - | ::<tex>Y_{ijkn}</tex> — предобработанная (с вычтенным фоном и нормализованная) логарифмированная интенсивность пробы <tex>j</tex> из набора проб <tex>n</tex> микрочипа <tex>i</tex> из партии микрочипов <tex>k</tex>.
| |
| - | ::<tex>\theta_{in}</tex> — экспрессия гена <tex>n</tex> на <tex>i</tex>-м микрочипе.
| |
| - | ::<tex>\phi_{jn}</tex> — коэффициент сродства пробы <tex>j</tex> гену <tex>n</tex>.
| |
| - | ::<tex>\gamma_{jkn}</tex> — величина, отвечающая за разницу интенсивностей между разными партиями проб.
| |
| - | ::<tex>\epsilon_{ijkn}</tex> — случайная ошибка с нулевым средним.
| |
Текущая версия
